3D点云处理：学习总结（更新整理中）

---

微信：dhlddx
B站演示视频

前置说明：仅是个人在使用pcl开发过程中的总结（点云处理顺序或比较实用的功能），不喜勿喷；

---

开发工具

• 开发IDE：Qt Creator（Windows）
• 开发语言：C++
• 第三方库：PCL\Opencv等；

有关PCL和Opencv的配置可参考其他博主，这里不在叙述；

---

个人看法

      如果有小伙伴使用过Opencv开发2D视觉算法的经验，应该了解Opencv提供的接口并不能完全实现我们工业视觉中遇见的场景，大部分可能是作为辅助；同样，PCL作为3D视觉的第三方库，在开发有关3D视觉的算法时也只是辅助，在工业3D视觉中大的开发内容，PCL内部的一些接口仅是辅助作用。

---

1. 如果刚接触PCL，那么您可能需要了解一下在PCL中如何表示一个三维数据点，以及如何加载和保存点云
   • 3D点云处理：PCL常用数据类型及IO说明
2. 当加载了点云后，我们可能很好奇点云是什么状态，这时候，您可以通过下面的方法查看我们加载的点云：
   • 3D点云处理：显示点云
     • 显示不同的颜色；
     • 显示点云的法向量；
     • 显示点云的位姿等；
3. 到此时，我们已经完成了最基本的点云加载和显示，这时候，我们可以像处理2D图像一样，通过pcl对点云进行一些简单的滤波操作（滤除噪声）；如：直通滤波、高斯滤波、双边滤波、快速双边滤波、统计滤波、条件滤波、半径滤波、中值滤波等；
   • 3D点云处理：直通滤波器&高斯滤波器
   • 3D点云处理：双边滤波器&快速双边滤波器（附源码）
   • 3D点云处理：统计滤波器&条件滤波器（附源码）
   • 3D点云处理：半径滤波器&中值滤波器

      项目中实际使用（至少对我来说）最多的还是“统计滤波器”；以及“法向滤波器”：3D点云处理：基于点云法向的点云滤波
      另外“条件滤波器”可以演化为3D ROI(如2D ROI)提取感兴趣的点云（提速）；

4. 由于三维数据相对二维数据的数据量大，处理起来比较耗时，因此，需要适时的对点云进行一些预处理降低点云数量，如上述的滤波，以及此处的预处理：降采样（体素滤波器、均匀降采样等） + 感兴趣区域（上述的“条件滤波器”）

   • 3D点云处理：基于八叉树的点云降采样
   • 3D点云处理：体素滤波&均匀采样
     • 上述PCL提供的方法中，存在的弊端是：降采样后的点与实际的点不在重合，因此，对其进行了优化，保证降采样后的点与原始点保持重合；如下：
   • 3D点云处理：体素滤波器&均匀采样优化

---